异质性视角下中国区域物流效率评价与提升路径研究——基于共同前沿生产函数的测算

李 雷

（甘肃政法大学 经济与管理学院，甘肃 兰州 730070）

1 引言

当前我国经济整体已逐步从高速增长向高质量发展阶段嬗变。作为现代服务业的重要组成，物流业在支撑现代化产业体系、降低交易成本、促进市场供需匹配、创造市场新需求等方面发挥愈来愈重要的作用。2019年3月，国家发改委、工业与信息化部等部门联合发布了《关于推动物流高质量发展促进形成强大国内市场的意见》，指出物流高质量发展是经济高质量发展的重要组成部分，同时也是推动经济高质量发展不可或缺的重要力量。众所周知，高质量发展强调质量第一、效率优先，促进现代物流业高质量发展的重要途径就是提升物流行业的全要素生产率。

现代物流业的运行效率不仅代表某一区域整体的商贸流通水平，还真实反映了该区域的资源配置能力与产业结构合理程度，其重要性不言而喻。当前正处于加速推动物流业高质量发展的关键时期，有必要对近年来我国物流业的运行效率进行全面、客观地分析与评价。通过对物流资源的投入与产出水平进行综合评价，探寻近年来我国区域物流发展进程中存在的瓶颈与制约因素，并因地制宜提出提升与改进策略，对于指导、促进物流业高质量发展将产生积极的促进作用。基于此，物流效率问题作为研究物流高质量发展不可回避的问题，具有十分重要的理论与现实意义。

2 文献综述

近年来，国内外学者对物流效率问题做了许多有益的研究与探索，梳理文献后可知，现有研究主要从以下三个方面展开研究，首先，从区域层面看，王维国、马越越基于三阶段DEA模型的Malmquistluenberger指数方法对我国区域物流效率进行测度[1]；王蕾，等借助DEA方法对新疆北疆现代物流效率进行评价[2]；王琴梅、谭翠娥使用DEA与Tobit模型对西安市物流效率进行实证研究[3]；王育红、刘琪[4]使用Super-SBM模型，于丽英，等[5]使用DEA-Malmquist指数模型分别对长江经济带物流效率进行测度；其次，从产业层面看，钟祖昌，等使用三阶段DEA模型对中国物流产业的技术效率进行评价[6]；余泳泽、武鹏使用随机前沿法对我国物流产业效率及其影响因素进行了研究[7]；王玲使用序列DEA与SBM模型测度了我国物流产业的技术效率[8]；最后，从企业层面看，钟祖昌对我国物流业上市公司运行效率进行了评价[9]，杨子刚，等使用DEA方法对我国运输物流上市公司的经营绩效进行了综合评价[10]，李晓梅、白雪飞使用超效率CCR-DEA模型对我国国有物流企业绩效进行了实证分析[11]。

前期学者的既有研究对我国区域物流、行业物流、企业物流的效率测度与综合评价具有重要的借鉴和参考价值。但是需要指出的是，现有研究更多聚焦于对不同地域、不同城市物流产业进行效率测度，在对我国区域物流进行效率测度时，未充分考虑不同区域存在的区域技术落差，导致研究结论可能存在一定偏差。基于此，本文在Oh and Lee文献基础上[12]，结合我国2010-2018年我国30个省域的物流业投入产出数据，在Global Malmquist指数基础上引入“共同前沿生产函数”，构建了Meta-frontier Global Malmquist指数，尝试将不同的决策单元按照区域属性进行分类，分别计算不分组情形下的Global Malmquist指数及各群组的Global Malmquist指数，同时对各地区物流效率进行分解，按照地区经济发展差异程度分组测算了我国东、中、西三大区域物流效率及分解效应。

3 研究方法

Meta-Frontier DEA框架的核心在于分别定义了组群前沿和共同前沿，因此可以更好地反映不同地域的异质性。假设有k个决策单元一共进行了T期生产，全部决策单元可分为j个组群，依次为R1,R2,…,Rj，同时每个决策单元都使用N种投入，得到M种产出，即x∈,y∈则生产前沿被定义为：P={(x,y,b)|x能生产y,b}。R组的当期基准技术定义为：={(xt，yt)|xt能够生产yt}，其中 λpt=pt，t=1,2,...,T，j组Rj的跨期基准技术定义为：表示的是所有观测值与Rj群组在所有时期所组成的生产技术集，因此，存在与j组不同的生产技术集。进一步，全域生产前沿可以被定义为：，反映了所有的观测值和所有群组整期的参考集，包含了所有的群组和所有时期，同时前提假设为生产者可以获得全局生产技术。

全局生产可能性集合的边界衡量了所有组群所有时期内的共同前沿。基于生产集合,Rj组中的个体i当期Malmquist生产率指数定义为：其中产出距离函数为：其中 s=t,t+1。在的基础上，R组内的跨期Malmquist生产率指数定j义为：，其产出方向的距离函数为：DI(x,y)=in基于上述分析，可进一步将Meta-frontier Malmquist生产率指数分解为：

由式（1）可知，EC反映了第t期与t+1期组内技术效率的变化率，可视为“追赶效应”，BPC反映的是第t期与t+1期组内的技术差异变化率，可视为技术“创新效应”，TGC反映的是第t期与t+1期各群组技术前沿与共同前沿之间的差异变化率，同时技术缺口比率值（TGR）越小，代表某一组的技术前沿与共同技术前沿的差距越大，因此TGC＞1表示跨期的技术缺口比率变化率大于1,可视为“领先效应”。

4 数据与变量

4.1 数据来源

本文基于stata16.0软件，使用2010-2018年的我国各省域年度数据进行测算，其中各省域数据来自历年《中国统计年鉴》、《中国物流年鉴》以及各省市国民经济与社会发展统计公报等。考虑到数据的连续性与可获得性，本文在研究中剔除西藏、香港、澳门、台湾等地区，最终保留30个省级地区作为研究对象。同时，借鉴目前文献中的普遍做法，将中国划分为东部、中部和西部三大区域，其中东部地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11省市；中部地区包括：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8省；西部地区包括剩余11个省级区域。通过划分三大群组，进一步对比分析不同区域及省域间物流业效率的时空差异。考虑到现阶段中国物流产业尚未有完整的数据统计体系，同时交通运输、仓储和邮政业的发展水平可以较好地反映中国物流产业总体发展状态，因此本文遂以交通运输、仓储和邮政业的相关指标与数据代指物流业的发展情况。

4.2 指标选取

（1）产出变量。本文借鉴龚雪、荆林波（2020）[13]的方法，将物流产业的产出设定为经济产出与规模产出，经济产出使用交通运输、仓储和邮政业增加值予以反映；规模产出使用货运量指标进行测度。

（2）投入变量。本文将物流投入要素分为劳动力投入、资本与物质投入两部分，其中劳动力投入使用交通运输、仓储和邮政业城镇单位就业人员反映；资本与物质投入使用物流业资本存量指标进行测算。在计算各省市物质资本存量的过程中，本文参照单豪杰[14]的处理方式，选取1952年为基期，先按照各地区的隐含平减指数将历年的资本存量折算成1952年不变价的数值，然后根据所设定的折旧率（0.10），使用永续盘存法对2010-2018年资本存量进行估算。

5 实证分析

本文参照东、中、西部区域划分方式将各省域分为三个异质性群组，首先使用Malmquist Index(MI)、Global Malmquist Index(GMI)、Meta-frontier Malmquist Index(MMI)三种方法对比测算2010-2018年我国30个省域的物流全要素效率，在此基础上，进一步对MMI进行分解，对比分析三个群组在“追赶效应”、“创新效应”与“领先效应”的结果，最后测算在不分组和分组两组情形下的MMI与分解效应。

5.1 东中西部地区物流效率测算

表1显示了2010-2018年我国东、中、西部地区使用MI、GMI及MMI三种方法计算的物流效率。由表1可知，从时间趋势上看，无论基于共同前沿还是群组技术前沿，大多数省区物流TFP指数的值大于1，显示了样本期我国物流效率整体呈现增长的总体态势。以MMI法为例，2010-2018年东部地区平均值为1.026 2，中部地区为1.013 4，西部地区为1.008 6，物流效率均保持整体增长趋势，其中东部地区增速最高，中部地区次之，西部地区最低。从估计方法看，MI方法测算的结果均低于GMI和MMI，由于ML指数方法并未将跨期及不同技术水平下形成的共同前沿因素考虑在内，可能会导致估计结果不准确；同时GMI方法虽然考虑了跨期的共同前沿因素，但相较于MMI，仍未考虑不同地区技术水平的共同技术前沿，因此可能出现低估效率值的结果，因此MMI估计方法可以较为客观反映物流效率的真实水平。同时本文尝试使用非参数方法对GMI和MMI进行差异性检验，通过将差分后的结果与其相应的中位数比较后可得，MMI方法相较于GMI方法显著提高了估计精度。因此，本文后续的分析也将围绕MMI方法展开。

表1 2010-2018年中国东、中、西部地区MI、GMI、MMI方法结果分布

按照式（1）将MMI指数进行进一步分解，可以得到以下三部分：群组内的技术效率变化指标（EC），表示观测单元对群组当期前沿的追赶效应；群组内当期的前沿与群组内共同前沿的技术差异（BPG），反映了观测单元对群组当期前沿技术进步的情况；跨期各个群组技术前沿与共同前沿之间的技术差距比率变化率（TGC）。若EC＞1则表示决策单元的效率水平实现了向群组前沿的追赶，体现出追赶效应；若BPC＞1则代表了技术进步；若TGC＞1则表示与全局前沿技术差距正在不断增大，可视为“领先效应”；若TGC=1则表明决策单元处于跨期全局技术前沿上，具有领先和示范效应。

5.2 各区域MMI测度及分解

表2 中国东、中、西部地区MMI分解

由表2可知，将全国划分为东、中、西三个群组，使用MMI方法进行分解后可得：首先，从区域层面看，2010-2018年，东部地区物流全要素生产率(MMI)、技术追赶效应（EC）、技术创新效应（BPC）及领先效应（TGC）的年均增长率分别为2.87%、3.25%、0.11%和0.03%，表明东部地区各省域物流效率的增长主要依靠技术赶超效应，同时其技术创新效应与领先效应也显著为正，但是对全要素生产率增长的贡献低于赶超效应；中部地区的物流全要素生产率（MMI）、技术创新效应（BPC）年均增长率分别为1.54%、2.51%，但是技术追赶效应（EC）与领先效应（TGC）年均增长率为-0.27%和-0.63%，表明中部地区的物流效率提高主要源自技术创新效应，技术赶超效应（EC）和领先效应（TGC）呈现负作用，说明中部地区物流资源配置效率与技术水平仍需进一步提升；西部地区物流全要素生产率(MMI)、技术追赶效应（EC）及领先效应（TGC）的年均增长率分别为1.16%、1.17%、0.48%，技术创新效应（BPC）年均增长率为-0.42%。上述结果表明西部地区物流综合效率的提高主要源自追赶效应，说明近年来西部地区通过改善物流资源的配置效率，促进西部地区物流效率的提升，但是值得注意的是，西部地区创新效应年平均增长率仍然为负值，表明技术进步对西部地区物流效率的提升作用尚未凸显。

从时间趋势看，三个地区的MMI值均＞1，表明三个地区在整体上呈现物流效率提升趋势，同时东部地区的平均增速最高，西部地区的增速最低。从分解效应上看，东部地区追赶效应（EC）的增长率由2010年的-1.88%到2018年的2.60%，追赶效应显著得到提升；中部地区的增长则主要依靠创新效应，BPC年均增长率由2010年的0.09%到2018年的5.47%，特别是在2016年以后，中部地区创新效应取得快速增长；西部地区物流效率的提升主要源自追赶效应，EC年平均增长率由2010年的-1.91%到2018年的2.93%。

5.3 各省区域MMI测度及分解

表3反映了2010-2018年我国各省使用MMI进行测算的结果。从整体上看，各省物流效率的分解效应存在着显著的差异，其中全国物流效率的年均增长率为1.63%，低于同期东部地区的平均增速。以全国平均增速为基准，可以发现有17个省市的物流全要素生产率平均增速高于全国均值，有13个省份的平均增速低于全国平均水平。具体来看，东部地区发达省市，例如北京、天津、上海、浙江、江苏等年平均增速高于全国平均水平，同时大多数也居于技术领先与技术的前沿面，甘肃、宁夏、贵州、重庆等西部地区的平均增速低于全国平均水平，同时技术基本处于劣势地位、技术效率改善不明显。山西、内蒙古、黑龙江、青海、江西等资源能源大省的技术领先效应低于全国平均水平，技术缺口比率的变化随时间推移不断增长，表明上述资源型地区物流发展综合技术水平与发达地区相比，差距不断增加。从各省具体情况看：以西北地区为例，除新疆地区物流全要素生产率提升显著外，陕西、甘肃、青海、宁夏四个地区年平均增速均低于全国平均水平，其中甘肃和宁夏出现负增长，年平均增长率分别为-3.51%和-3.7%；从技术赶超效应看，甘肃、青海、宁夏的增长率为负值，分别为-4.27%、-2.31%、-1.86%；从技术创新效应看，陕西、宁夏出现负增长。上述分析表明西北地区中，多个省域在技术追赶效应与技术创新效应呈现负向作用，抑制了本地区物流全要素生产率的提升。

表3 2010-2018年各省份MM指数分解

6 结论与对策

6.1 基本结论

本文基于Meta-frontier Global Malmquist Index方法测度2010-2018年我国各地区物流业全要素效率动态变化情况，同时按照传统分类方式划分为东、中、西三个区域性群组进行异质性分析，主要结论如下：从整体看，MI、GMI、MMI指数测算结果均显示，2010-2018年我国东、中、西三个区域的物流效率呈提升趋势，东部地区增速最高，中部地区次之，西部地区最低。其中东部地区技术赶超效应起主导作用，同时创新效应和领先效应也正向促进物流效率的提升；中部地区技术创新效应起到重要推动作用，西部地区主要依靠技术赶超效应与领先效应，但是技术创新效应不足抑制了物流效率的提升。从各省市具体分布看，北京、天津、上海、浙江等发达地区居于技术领先与技术的前沿面，物流全要素生产率平均增速也处于较高水平，中西部地区特别是西北地区如陕西、甘肃、青海等地，受技术追赶效应与创新效应的限制，物流全要素生产率增速处于较低水平。

6.2 改进路径

依据上述结论，本文提出如下政策建议与改进路径：

（1）明确区域物流效率提升的重点。东部地区技术“赶超效应”显著，但是技术“创新效应”与“领先效应”仍有待提高，因此未来应以技术创新为突破口，继续加大东部地区物流新技术、新设备的应用，发挥技术创新对物流效率的推动作用，巩固提升物流效率；中部地区应以改善“赶超效应”为重点，需要重视区域物流资源的合理配置问题，应不断优化区域物流资源的配置，带动区域物流综合效率的提升；西部地区物流效率提升速度最为缓慢，其中技术创新效应不足是限制西部地区物流效率提升的重要因素。因此，西部地区需要注重物流技术与管理水平的综合提升，通过技术创新驱动物流效率的提升。

（2）夯实物流高质量发展的基础。当前新冠肺炎疫情对我国物流业持续发展造成显著的冲击。在此背景下，应以新型基础设施投资建设为契机，通过新基建促进物流业全要素生产率的增长。具体来看，首先，要加快推动5G网络、大数据、人工智能等新一代信息技术与物流业的深度融合，鼓励物流企业开展技术创新，支持智能调度、无人配送、智慧分拣等新技术、新模式的应用落地，通过技术升级带动物流行业服务能力和服务水平的提升；其次，要重视智慧港口、智慧园区等新型物流基础设施的投资建设，让智能物流技术与物流设备可以获得更多的应用场景，为推动物流企业的数字化转型、综合提升物流产业的综合效率、促进物流业整体的高质量发展奠定坚实基础。

（3）促进区域物流协调发展。当前，中西部地区的物流效率仍显著落后于东部地区，特别是西部地区，大部分省份属于经济欠发达、物流规模、管理水平与基础设施落后的地区，促进技术“创新效应”与“领先效应”的发展存在先天不足与客观困难。鉴于此，首先应科学引导物流资源、技术要素与配套服务向中、西部地区进行合理转移,促进东中西部区域物流协调发展。其次，西部地区应充分利用自身区位特色与优势，积极培育区域新型物流增长极。例如，陕西、甘肃、新疆等地区可利用其在“一带一路”倡议中的区位优势，大力发展与中亚、西亚等地区的跨境物流与国际商贸物流，发挥西安、兰州、乌鲁木齐等节点城市的衔接效应与辐射效应，以点带面、促进协调发展。内蒙古、山西、黑龙江等省份可将其在资源能源等方面的优势与物流业相结合，通过产业联动推动物流业的发展；西南地区广西、云南等省份应以提升面向东南亚、南亚地区的通道功能和门户功能为重点，鼓励发展边境贸易，推动跨境物流体系的建设。